11% besparelser på vedlikeholdspersonell etter bygging av en automatisk vanningsrobot for planter

Innowise robotavdeling har utviklet en egenutviklet smartrobot som kan navigere i kontorlokaler og vannanlegg uten menneskelig inngripen.

Kunde

Industri

IT, Utvikling av spesialtilpasset programvare

Region

Kunde

Innowise

Innowise er en global leverandør av programvareutvikling med over 1500 IT-spesialister. Selskapet leverer nøkkelferdige programvareutviklingstjenester og har gjennomført over 850 prosjekter for kunder i 30 land over hele verden.

Utfordring: Innowise interne prosjekt for å vise frem vår ekspertise innen robotteknologi.

Robotics er en av de stadig voksende trendene i den moderne IT-virkeligheten. Digitale nettverk og kunstig intelligens vokser eksponentielt i takt med den raske teknologiske utviklingen på disse områdene.

Innowise fokuserer på å utnytte ny teknologi og tar i bruk avanserte løsninger etter hvert som de kommer på markedet. Som et bevis på at vi er dyktige på dette området, har robotavdelingen vår utviklet en fullstendig autonom robot fra bunnen av for å hjelpe de ansatte med å vanne planter. I dette egenutviklede prosjektet viste vi frem vår ekspertise innen robotteknologi til kunder som er på utkikk etter IoT-drevne løsninger for å automatisere rutineoppgaver og eliminere menneskelig tilsyn.

Løsning: Selvnavigerende robot som vanner planter med avansert hevesystem

Våre erfarne robotutviklere har bygget IRIS (Innowise Robotics Irrigation System) - en autonom, selvnavigerende robot for vanning av IoT-planter i kontorlokaler. I tillegg til å implementere programvare som SLAM, ROS og LiDAR, bygde vi også maskinvare, inkludert en bevegelig plattform, en vannlagringstank og et løftesystem.

Kartlegging

Robotikkekspertene våre startet med å kartlegge kontorlokaler for å lage et detaljert IoT-system for overvåking av planter, identifisere plantenes plassering, hindringer, møbler og andre objekter som kan påvirke robotens bevegelser. Vi sørget for forutsigbar og problemfri ruting på tvers av kontorrommene ved hjelp av SLAM-teknologi, som samtidig bestemmer robotens posisjon og lager et kart over omgivelsene ved hjelp av datasynalgoritmer, LiDAR (laserskannere) og andre sensorverktøy.

Robotteknologispesialistene våre brukte LiDAR koblet til Raspberry PI-mikrodatamaskinen som er montert direkte på roboten, for å oppdage hindringer og identifisere planter. ROS (Robotic Operating System) og hoveddatamaskinen bruker denne visuelle informasjonen til å behandle navigasjonsdata, foreta ruteberegninger og kartlegge kontorets omgivelser.

På dette stadiet sto teamet vårt overfor utfordringen med begrenset sikt når det gjaldt å oppdage vanlige objekter som bord, hyller, stoler og andre innvendige gjenstander som begrenser robotens sikt eller kan feilidentifiseres. I tillegg måtte vi håndtere dynamiske hindringer i et kontormiljø, siden ansatte og gjenstander i bevegelse plutselig endrer posisjon og retning, noe som tvinger roboten til å ta umiddelbare beslutninger for å unngå kollisjoner. Prosjektteamet vårt brukte algoritmer for datasyn og maskinlæring for å løse dette problemet, inkludert bildesegmentering, objektgjenkjenning, støyfiltrering og andre metoder. Vi har også utstyrt den autonome assistenten vår med algoritmer for bevegelsesplanlegging, for eksempel RRT (Rapidly-exploring Random Trees) og A* (A-star), som tar hensyn til posisjon og form på hindringer for å finne den optimale banen i sanntid.

Gjenkjenning av planter og QR-koder

Prosjektets hovedmål var å lære opp roboten til å identifisere og lokalisere objekter på et kart. I utgangspunktet planla vi å bruke stereoskopiske kameraer for å finne plantenes plassering, beregne posisjonen deres og lage en rute. Som et resultat av idédugnaden utviklet vi et alternativt opplegg der roboten tok et bilde og registrerte koordinatene i rommet. Robotingeniørene brukte et nevralt nettverk til å finne planten i bildet, beregne avgrensningsboksen og bestemme blomstens retning.

Som en del av bildebehandlingsprosjekter fungerer avgrensningsbokser som referansepunkter for gjenkjenning av objekter og skaper kollisjonsbokser for dem. Basert på robotens koordinater, kameraets retning og blomstens plassering tegnet vi en stråle som forbinder robotens posisjon med planten. Etter å ha gjentatt denne prosessen mange ganger, fikk vi mange stråler som krysset hverandre i ett punkt og detekterte planten som trengte vanning.

Ingeniørene våre baserte seg på modeller som er trent på COCO- og ImageNet-datasett for å identifisere blomster i potter uten problemer. Basert på denne modellen filtrerte vi bort alle unødvendige klasser og utviklet en tilpasset detektor som synkroniserer retningen på avgrensningsboksen med robotens koordinater. For å bestemme de nøyaktige romlige koordinatene til vanningsstangen brukte vi et knippe kameraer og LiDAR.

Når roboten oppdager planten, skal den identifisere dens nøyaktige posisjon i rommet og avgjøre om den skal vannes. Til dette formålet har vi merket alle kontorkrukkene med QR-koder som er koblet til databaser der vanningshistorikken til alle plantene er lagret.

Flyttbar plattform

Når det gjelder maskinvaren, valgte robotteamet et modulært system som inkluderte en bevegelig plattform med elektronikk, en vannlagringstank, et batteri og et heissystem i to nivåer. Vi brukte aluminiumprofilen i V-Slot-format til å sette sammen robotens ramme på grunn av holdbarheten og lettheten, noe som gir bedre manøvrerbarhet og lavere energiforbruk.

I stedet for standard differensialdrev implementerte vi omni-hjul i hjørnene av roboten for å sikre jevn navigering. Omni-wheels, eller omnidireksjonelle hjul, har små skiver (ruller) rundt omkretsen som kan rotere rundt sin egen akse eller vinkelrett, noe som gjør det enkelt å drive hele systemet. På denne måten kan roboten bevege seg i alle retninger uten å rotere hovedstrukturen, kun ved hjelp av hastighetsforskjellen mellom hvert hjul.

Heis og vanning

Blomstene står på de ansattes skrivebord, i hyller, reoler, høye bokhyller og andre steder som er vanskelig tilgjengelige for de ansatte. I stedet for å bygge en høy robot, monterte ekspertene våre en løftemekanisme basert på skyveruller, noe som eliminerte behovet for en arbeidskrevende og økonomisk ineffektiv konstruksjon i bokhyllehøyde. Med OpenBuilds' V-Slot-profildeler festet vi heistrinnene fast til hverandre med vogner og ruller som glir langs løftemekanismen. Til slutt beveges løpekattene av et belte som spennes mellom en motor og en strammeenhet montert på den andre siden.

På toppen av det siste heistrinnet har vi implementert en servomotor som bretter ut en karbonfiberstang for vanning av blomster som er koblet til en peristaltisk pumpe installert i vanntanken. I motsetning til vanlige roterende pumper, som er følsomme for væskevolumet, har vi tatt i bruk peristaltiske pumper, som presser et elastisk rør gjennom ruller på omkretsen og skyver væsken ut. Sammenlignet med standardpumper har disse mekanismene en mye lavere pumpehastighet, men kan løfte væsken til en mye større høyde.

Teknologier og verktøy

Back-end

Python, Django (DRF), FastAPI, AWS IoT Core, pandas, Loki, Prometheus, Grafana, API Gateway, AWS (Route, Lambda, RDS, S3, SQS, SES, EKS, ECR).

Front-end

JavaScript, TypeScript, React, Redux, Leaflet, Webpack, Axios, Material UI, Cube.js, AWS CloudFront

Innebygd

AVR, Raspberry Pi, SPI, UART, USB, I2C, HTTP, Solidworks, ROS, SLAM, LiDAR, Altium Designer

ML/DS

OpenCV, TensorFlow, TFLite, ONNX, NumPy

DevOps

Terraform, Weave, Docker. Docker Compose, Kubernetes, BitBucket Pipelines

Database

PostgreSQL, AWS Timestream

Prosess

Robotteknologiavdelingen vår fulgte den smidige metodikken gjennom hele prosjektet og samarbeidet tett med spesialister på maskinlæring, datasyn og datavitenskap for å oppnå de ønskede resultatene. Vi bestrebet oss på å levere en omfattende løsning uten at omfanget ble for stort, slik at vi kunne demonstrere bransjespesifikk kunnskap for potensielle kunder på et komplekst og krevende område. Gjennom regelmessige møter, idédugnader og retrospektive analyser fulgte robotikkekspertene våre med på prosjektets fremdrift og tok tak i alle problemer.

For øyeblikket tester vi et system for vanning og planteoppdagelse og en poleringsalgoritme som automatisk finner og når kontorplanter i ulike høyder uten å kollidere. Vi har også identifisert designproblemer under utviklingen og laget en skisse for å løse disse bivirkningene før vi presenterer roboten for investorer. Våre spesialister utvikler også en teknisk base for roboten, inkludert en ladestasjon som er koblet til vannforsyningen og 220 V-nettet, slik at roboten kan lade det innebygde batteriet og fylle opp den innebygde vanntanken automatisk.

Team

Back-end-utviklere

Front-end-utviklere

Prosjektleder

Forretningsanalytiker

Programvarearkitekt

Teamleder

Maskinvareingeniører

Utviklere av fastvare

DevOps-ingeniør

ML/DS-ingeniør

3D-modellering

Konstruksjonsingeniør

Resultater: 34% reduserte planteskader med et smart IoT-system for plantevanning

Innowise robotteam har bygget en IRIS - en automatisert IoT-drevet robot som vanner planter og navigerer i kontorets omgivelser. Vi har utstyrt enheten med et avansert kartleggingssystem som bygger nøyaktige ruter ved hjelp av SLAM-teknologi, LiDAR (laserskannere) og andre sensorer. I tillegg har ingeniørene våre utstyrt roboten med en løftemekanisme basert på skyveruller og en karbonfiberstang på toppen.

Derfor utviklet vi et vanningssystem som gjør det mulig å vanne plantene regelmessig uten menneskelig innblanding. IRIS sørger for at blomstene holder seg friske, forbedrer luftkvaliteten og skaper en grønn atmosfære på kontoret. I tillegg reduserer IRIS arbeidsmengden til de ansatte som tidligere måtte vanne plantene manuelt, slik at de kan fokusere på kjerneoppgavene sine uten å bli distrahert av rutineoppgaver.

Prosjektets varighet

Februar 2023 - Løpende

11%

besparelser på vedlikeholdspersonell

34%

redusert skade på planter

Relaterte saker

Trenger du en teknologisk løsning? Ta kontakt med oss!

Hva skjer videre?

Etter at vi har mottatt og behandlet forespørselen din, vil vi komme tilbake til deg innen kort tid for å beskrive prosjektbehovene dine og undertegne en taushetserklæring for å sikre informasjonens konfidensialitet.

Etter å ha undersøkt kravene, utarbeider våre analytikere og utviklere en prosjektforslag med arbeidsomfang, teamstørrelse, tid og kostnader estimater.

Vi arrangerer et møte med deg for å diskutere tilbudet og komme til en avtale.

Vi signerer en kontrakt og begynner å jobbe med prosjektet ditt så raskt som mulig.